論文の概要: Subgraph Extraction-based Feedback-guided Iterative Scheduling for HLS
- arxiv url: http://arxiv.org/abs/2401.12343v1
- Date: Mon, 22 Jan 2024 20:17:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 17:44:42.860599
- Title: Subgraph Extraction-based Feedback-guided Iterative Scheduling for HLS
- Title（参考訳）: 部分グラフ抽出に基づくHLSのフィードバック誘導反復スケジューリング
- Authors: Hanchen Ye, David Z. Pan, Chris Leary, Deming Chen, Xiaoqing Xu
- Abstract要約: 本稿では,高レベル合成(HLS)のための差分制約(SDC)スケジューリングアルゴリズムであるISDCを提案する。
また,ISDCは,産業用オープンソースのHLSツールに対して,レジスタ使用率を28.5%削減することを示した。
- 参考スコア（独自算出の注目度）: 11.104663387034877
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes ISDC, a novel feedback-guided iterative system of
difference constraints (SDC) scheduling algorithm for high-level synthesis
(HLS). ISDC leverages subgraph extraction-based low-level feedback from
downstream tools like logic synthesizers to iteratively refine HLS scheduling.
Technical innovations include: (1) An enhanced SDC formulation that effectively
integrates low-level feedback into the linear-programming (LP) problem; (2) A
fanout and window-based subgraph extraction mechanism driving the feedback
cycle; (3) A no-human-in-loop ISDC flow compatible with a wide range of
downstream tools and process design kits (PDKs). Evaluation shows that ISDC
reduces register usage by 28.5% against an industrial-strength open-source HLS
tool.
- Abstract（参考訳）: 本稿では,高次合成(HLS)のための差分制約(SDC)スケジューリングアルゴリズムであるISDCを提案する。
ISDCは、論理合成器のような下流ツールからのサブグラフ抽出に基づく低レベルフィードバックを活用して、HLSスケジューリングを反復的に洗練する。
1)低レベルのフィードバックを線形プログラミング(LP)問題に効果的に統合する強化SDC定式化,(2)フィードバックサイクルを駆動するファンアウトおよびウィンドウベースのサブグラフ抽出機構,(3)幅広い下流ツールやプロセス設計キット(PDK)と互換性のある非人為的なISDCフロー。
評価の結果、ISDCは産業力のあるオープンソースのHLSツールに対してレジスタ使用量を28.5%削減している。
関連論文リスト
- Efficient Diffusion as Low Light Enhancer [63.789138528062225]
RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。
textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
論文 参考訳（メタデータ） (2024-10-16T08:07:18Z) - Single-Reset Divide & Conquer Imitation Learning [49.87201678501027]
デモはDeep Reinforcement Learningアルゴリズムの学習プロセスを高速化するために一般的に使用される。
いくつかのアルゴリズムは1つのデモンストレーションから学習するために開発されている。
論文 参考訳（メタデータ） (2024-02-14T17:59:47Z) - Hierarchical Source-to-Post-Route QoR Prediction in High-Level Synthesis
with GNNs [25.920672727699984]
FPGA HLSのための階層的ポストルートQoR予測手法を提案する。
提案手法を採用することにより,HLSにおける設計空間探索のランタイムは,数十分に短縮される。
論文 参考訳（メタデータ） (2024-01-14T07:24:08Z) - Deep Video Restoration for Under-Display Camera [98.17505013737446]
本稿では,現実的な UDC 劣化過程をシミュレートする GAN ベースの生成パイプラインを提案する。
我々は PexelsUDC という,最初の大規模 UDC ビデオ復元データセットを構築した。
本稿では,動画の劣化を適応的に改善するトランスフォーマーベースライン手法を提案する。
論文 参考訳（メタデータ） (2023-09-09T10:48:06Z) - A Meta-Learning Based Precoder Optimization Framework for Rate-Splitting
Multiple Access [53.191806757701215]
本稿では,トランスミッタ(CSIT)における部分チャネル状態情報を持つRSMAプリコーダを直接最適化するために,メタラーニングに基づく事前コーダ最適化フレームワークを提案する。
コンパクトニューラルネットワークのオーバーフィッティングを利用して、ASR(Average Sum-Rate)表現を最大化することにより、実行時間を最小化しながら、他のトレーニングデータの必要性を効果的に回避する。
数値的な結果から,メタラーニングに基づく解は,中規模シナリオにおける従来のプリコーダ最適化に類似したASR性能を実現し,大規模シナリオにおける準最適低複雑性プリコーダアルゴリズムよりも大幅に優れていた。
論文 参考訳（メタデータ） (2023-07-17T20:31:41Z) - DELTA: Dynamic Embedding Learning with Truncated Conscious Attention for
CTR Prediction [61.68415731896613]
CTR(Click-Through Rate)予測は、製品とコンテンツの推奨において重要なタスクである。
本稿では,CTR予測のための動的埋め込み学習を実現するモデルを提案する。
論文 参考訳（メタデータ） (2023-05-03T12:34:45Z) - Feasibility Layer Aided Machine Learning Approach for Day-Ahead
Operations [0.5076419064097734]
デイアヘッド演算は、ジェネレータのコミットスケジュールとディスパッチを決定する、複雑で計算集約的な最適化プロセスを含む。
過去の情報における既存のパターンは、セキュリティ制約単位コミットメント(SCUC)のモデル削減に活用できる。
提案手法は,IEEE 24-Busシステム,IEEE-73バスシステム,IEEE 118-Busシステム,500-Busシステム,ポーランド2383-Busシステムなど,いくつかの試験システムで検証されている。
論文 参考訳（メタデータ） (2022-08-13T22:44:42Z) - A Refined Inertial DCA for DC Programming [0.0]
目的関数がレベル境界である定常型(dc)プログラミング問題を考える。
古典的なDCアルゴリズム(DCA)は、ある種の問題を解決することで知られており、臨界点を返す。
そこで本研究では,2つの改良型DCA(RInDCA)を提案する。
論文 参考訳（メタデータ） (2021-04-30T04:21:57Z) - Densely Nested Top-Down Flows for Salient Object Detection [137.74130900326833]
本稿では,物体検出におけるトップダウンモデリングの役割を再考する。
密度の高いトップダウンフロー(DNTDF)ベースのフレームワークを設計する。
DNTDFのすべての段階において、高いレベルの特徴はプログレッシブ圧縮ショートカットパス(PCSP)を介して読み込まれる。
論文 参考訳（メタデータ） (2021-02-18T03:14:02Z) - Single-step deep reinforcement learning for open-loop control of laminar
and turbulent flows [0.0]
本研究は,流体力学系の最適化と制御を支援するための深部強化学習(DRL)技術の能力を評価する。
原型ポリシー最適化(PPO)アルゴリズムの新たな"退化"バージョンを組み合わせることで、学習エピソード当たり1回だけシステムを最適化するニューラルネットワークをトレーニングする。
論文 参考訳（メタデータ） (2020-06-04T16:11:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。